手把手教程:零基础使用MATLAB完成基于深度学习U-Net模型的遥感影像分类

上传者: 39691594 | 上传时间: 2019-12-21 21:39:56 | 文件大小: 6.26MB | 文件类型: rar
很多初入深度学习的学生都会遇到各种环境配置问题,环境搭建不好模型就跑不了,所以这是限制新手的一大难点,MATLAB具有成熟的运行环境,无需配置,这点对于想跑通一个深度学习模型的新手是非常有利的。所以,本教程手把手教你使用MATLAB中的深度学习框架,完成遥感影像分类的具体操作步骤。本教程给出完整的代码、操作手擦、原始训练及测试样本,旨在最大限度的简化操作步骤,让深度学习零基础的学生也可以轻松跑通深度学习代码,增加自信心和学习兴趣,为遥感影像分类提供一个可借鉴的新型的方法。

文件下载

资源详情

[{"title":"( 12 个子文件 6.26MB ) 手把手教程:零基础使用MATLAB完成基于深度学习U-Net模型的遥感影像分类","children":[{"title":"文件","children":[{"title":"test_model.m <span style='color:#111;'> 1.64KB </span>","children":null,"spread":false},{"title":"PixelLabelImagePatchDatastore.m <span style='color:#111;'> 11.58KB </span>","children":null,"spread":false},{"title":"matReader1.m <span style='color:#111;'> 354B </span>","children":null,"spread":false},{"title":"createUnet1.m <span style='color:#111;'> 6.80KB </span>","children":null,"spread":false},{"title":"U-Net模型使用手册.docx <span style='color:#111;'> 345.25KB </span>","children":null,"spread":false},{"title":"segmentImage.m <span style='color:#111;'> 1.33KB </span>","children":null,"spread":false},{"title":"image","children":[{"title":"YB1_label.tif <span style='color:#111;'> 67.32KB </span>","children":null,"spread":false},{"title":"YB2.tif <span style='color:#111;'> 5.79MB </span>","children":null,"spread":false},{"title":"test_DATA.tif <span style='color:#111;'> 742.00KB </span>","children":null,"spread":false},{"title":"YB1.tif <span style='color:#111;'> 5.78MB </span>","children":null,"spread":false},{"title":"YB2_label.tif <span style='color:#111;'> 69.96KB </span>","children":null,"spread":false}],"spread":true},{"title":"train_3band.m <span style='color:#111;'> 5.78KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

  • 耳朵eer :
    不错,有借鉴价值
    2021-04-21
  • zjanna137 :
    还是不会用啊
    2020-11-22
  • 莲荷D杨晨 :
    你好,在使用您的教程学习后,有一步会报错,我想问一下为什么错误使用 trainNetwork (line 170)未识别类 'matlab.io.datastore.PixelLabelDatasto
    2020-08-05

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明